Awesome Loop Engineering
English | 中文 | Español | Français | Deutsch | 日本語 | 한국어 | Português | Ajudar a traduzir | Página inicial | Espelho no Hugging Face
Uma lista curada e orientada à implementação para Loop Engineering: a camada acima de prompt, context e harness engineering para projetar sistemas recorrentes de agentes de IA.
Prompt engineering melhora o que você pede ao modelo. Context engineering melhora o que o modelo consegue ver. Harness engineering melhora ferramentas, permissões, sandboxes e verificações ao redor de uma execução de agente. Loop Engineering fica acima das três: projeta sistemas que acionam agentes, supervisionam, verificam resultados, persistem estado e executam novamente.
Um loop descobre trabalho, delega para um ou mais agentes, verifica o resultado, registra estado, decide a próxima ação e executa novamente em uma cadência ou até atingir um objetivo verificável.
Este repositório trata do novo significado de Loop Engineering no contexto de AI agents e coding agents. Ele não trata de event loops de software, teoria de controle, growth loops, automação genérica ou feedback loops não relacionados a IA.
Além da lista com mais de 430 recursos curados, este repositório inclui 15 patterns de loop, um loop contract validado por schema para cada pattern, 6 templates de loop executáveis, uma galeria comunitária e 8 idiomas.
Modelo Mental
- Prompt engineering pergunta: o que devo dizer ao modelo?
- Context engineering pergunta: que estado e conhecimento o modelo deve ver?
- Harness engineering pergunta: quais ferramentas, permissões, testes, sandboxes e feedback devem cercar o agente?
- Loop engineering pergunta: que sistema recorrente deve descobrir trabalho, delegar para agentes, verificar resultados, persistir estado, decidir próximas ações e rodar de novo?
Prompt, context e harness engineering melhoram uma execução. Loop Engineering torna o trabalho de agentes repetível, observável e governável ao longo do tempo.
Loop Contract
Um loop útil normalmente precisa deixar estes elementos visíveis:
| Parte | Pergunta de design | Artefato comum |
|---|---|---|
| Objective | O que o loop deve otimizar? | Goal, issue, PRD, runbook |
| Trigger | Quando o loop roda? | Schedule, webhook, /loop, /goal, automation |
| Discover / Intake | Como o loop encontra trabalho? | GitHub query, Linear filter, CI failure, feedback stream |
| Workspace | Onde o agente pode agir com segurança? | Worktree, sandbox, branch, container |
| Context | Que conhecimento durável deve carregar? | AGENTS.md, CLAUDE.md, SKILL.md, docs |
| Delegation | Qual agente faz qual parte? | Explorer, implementer, reviewer, judge |
| Verification | O que decide sucesso ou falha? | Tests, typecheck, lint, evals, trace graders |
| State | O que sobrevive para a próxima execução? | Progress file, checkpoint, trace, issue comment |
| Budget | Quando deve parar de gastar? | Max turns, max retries, token budget, time box |
| Escalation | Quando uma pessoa assume? | PR, issue, Slack alert, triage inbox |
| Exit | Como o loop sabe que terminou? | Acceptance criteria, passing checks, no work found |
Modelo de Maturidade
| Nível | Nome | Descrição |
|---|---|---|
| 0 | Manual prompting | Uma pessoa lê o estado e escreve o próximo prompt. |
| 1 | Scripted retry | Um script devolve erros ao agente. |
| 2 | Scheduled loop | O agente roda em uma cadência e reporta resultados. |
| 3 | Stateful loop | O progresso sobrevive por arquivos, issues, checkpoints ou traces. |
| 4 | Self-verifying loop | Checks determinísticos ou evaluator agents bloqueiam conclusões erradas. |
| 5 | Multi-agent loop | Agentes especializados dividem discovery, implementation, review e judgment. |
| 6 | Production-supervised loop | Observabilidade, budgets, approvals, rollback e escalonamento humano são centrais. |
Primeiras Leituras
A lista completa de recursos fica no README canônico em inglês: README.md.
Leituras recomendadas:
- Loop Engineering - A definição de Addy Osmani da mudança do prompting manual para sistemas que fazem prompt, verificam e continuam.
- Peter Steinberger sobre projetar loops - A publicação de junho de 2026 que catalisou a discussão: pare de fazer prompt em agentes e projete loops que façam o prompt por você.
- Boris Cherny: cinco dicas para executar agentes de forma autônoma - A receita compacta do criador do Claude Code para loops autônomos de horas ou dias.
- The New Stack: de prompting a loops - Reportagem sobre a mudança de Boris Cherny para escrever loops para trabalho recorrente de agentes.
Contribuir
Contribuições são bem-vindas. Leia CONTRIBUTING.md antes de abrir um pull request.
Fluxo rápido:
- Confirme que o recurso trata de Loop Engineering para AI/coding agents ou de uma base direta para isso.
- Pesquise no README para evitar duplicatas.
- Escolha a categoria mais específica.
- Adicione uma entrada neste formato:
- 📄 **Paper** [Title](https://example.com) - One sentence explaining the resource's contribution to Loop Engineering.
- Explique no PR a relevância, a categoria, o tipo de recurso e por que ele ajuda builders.
Traduções
Para manter ou adicionar um idioma, leia TRANSLATIONS.md. As traduções devem preservar o escopo estreito: não incluir event loops, growth loops ou automação genérica.